Microsoft 开源 VibeVoice-ASR:单次转录 60 分钟音频,自带说话人识别
Microsoft 在 Hugging Face 开源语音识别模型 VibeVoice-ASR。它能在 64K 长度内一次性处理长达 60 分钟的连续音频而无需切片,同步输出说话人、时间戳与转录文本,同时支持自定义热词和 50 多种语言的混说转录。
Microsoft 在 Hugging Face 开源语音识别模型 VibeVoice-ASR。它能在 64K 长度内一次性处理长达 60 分钟的连续音频而无需切片,同步输出说话人、时间戳与转录文本,同时支持自定义热词和 50 多种语言的混说转录。
微软与 OpenAI 联合发声,回应外界对双方关系的猜测。声明强调,尽管 OpenAI 宣布了新融资以及与亚马逊的合作,微软仍保留 OpenAI 模型独家 IP 授权,无状态 API 也继续独家由 Azure 提供,分成机制和 AGI 判定标准全都不变。
Microsoft 推出 Copilot Tasks 研究预览版,推动 AI 助理从问答转向替用户跑腿。它能自主操作浏览器并协调不同应用,处理日常重复事项、预约、购物与文档生成,遇花钱等操作会先征得同意。目前仅小范围测试,数周内逐步铺开。
Microsoft 报告披露,不少网站的「AI 总结」按钮暗藏指令,诱导 Copilot 和 ChatGPT 将特定品牌永久存入记忆并设为「可信来源」。这种「AI 推荐投毒」已被 31 家正规企业用于塞广告。微软建议定期检查并清理助手记忆。
据《金融时报》报道,微软 AI 负责人 Mustafa Suleyman 预测,未来 12 到 18 个月内 AI 将在多数专业工作上达到人类水平,律师、会计等白领任务大部分将被完全自动化。他指出,软件工程领域已率先出现这种转变,大部分代码生产已由 AI 辅助完成。
微软推出出版商内容市场(PCM),搭建媒体与 AI 开发者的授权平台。AI 厂商能直接采买付费墙内的优质内容来提升回答准确度,出版商则自主制定条款并按使用价值分成。美联社、康泰纳仕等媒体已率先加入测试。
Yahoo 推出专有 AI 回答引擎 Yahoo Scout 并开启公测。它以 Anthropic 的 Claude 为主要底模,结合微软 Bing API 检索开放网络,直接生成结构化回答。目前该功能已面向美国近 2.5 亿用户开放,并整合进雅虎财经、新闻及购物等业务。
微软发布专为大模型推理设计的自研芯片 Maia 200。它采用台积电 3nm 工艺,单位成本性能比现有硬件高出 30%,FP4 性能达到亚马逊 Trainium 3 的 3 倍。芯片已部署在爱荷华州数据中心,将用于支持 GPT-5.2 与 Copilot 等服务。
Adobe 为 Acrobat Studio 推出新 AI 功能,能把长报告等 PDF 直接转成播客音频或演示文稿。用户还能通过文字指令直接增删页面、签名和修改文字。目前音频总结底层使用了微软与 Google 的模型,类似 NotebookLM 的音频概览。
本周在达沃斯世界经济论坛上,Anthropic CEO Dario Amodei 表示,AI 可能只剩 6 到 12 个月就能端到端完成软件工程师的大部分甚至全部工作。相比论坛通常宏泛的讨论,结合 Claude Code 等工具的演进,这一时间表给全 AI 驱动编码划下了颇为紧迫的倒计时。
周二,据 CNBC 报道,OpenAI 正与亚马逊洽谈一项或超 100 亿美元的投资协议,并计划采用其自研 AI 芯片。在完成重组摆脱微软算力优先权后,OpenAI 正在快速多元化算力来源;而亚马逊也能借此扩大版图。不过双方谈判仍在保密阶段,具体细节仍有变数。
微软团队开源 40 亿参数的 3D 生成模型 TRELLIS.2-4B。它基于 O-Voxel 稀疏体素结构,支持从单张图片生成包含完整 PBR 材质与半透明效果的 3D 网格。在 H100 上生成 512³ 分辨率资产仅需约 3 秒,运行至少需要 24GB 内存的 NVIDIA GPU。
美国人事管理局(OPM)推出为期两年的「US Tech Force」人才计划,首批拟招募 1,000 名早期职业工程师与 AI 专家。入选者将被派往国防部、国税局等部门参与重点项目,年薪达 13 万至 19.5 万美元,并由微软、Meta 等约 25 家科技企业提供导师指导。
微软宣布将 OpenAI 的 GPT-5.2 接入 Microsoft 365 Copilot 和 Copilot Studio。模型包含擅长复杂推理的 Thinking 和日常写作的 Instant 两个版本,结合 Work IQ 可跨会议与邮件提炼战略洞察。拥有许可的用户即日起逐步推送。
据 ADWEEK 报道,彭博媒体 COO Julia Beizer 确认将于本月离职并加盟微软,负责统领 AI 新闻产品开发,向 Microsoft AI CEO Mustafa Suleyman 汇报。Beizer 在彭博任职八年,曾任首席产品官与首席数字官。微软直接从头部财经媒体挖走运营一把手,意在加速 AI 新闻产品的实际落地。
微软开源计算机使用模型 Fara-7B。它仅 70 亿参数,无需辅助功能树,直接看屏幕截图就能操纵键鼠完成填表、订票等网页任务。最关键的是它支持在 Copilot+ PC 上离线运行,兼顾了低延迟与隐私安全。
Microsoft 在 Ignite 2025 上推出 Work IQ 与 Agent 365。Work IQ 负责打通企业数据、个人习惯与工作图谱,Agent 365 则集中管控和审计企业内的所有智能体。Office 套件同步加入自主 Agent 模式,并接入 Anthropic 等新模型。
Anthropic 宣布与微软扩大合作,Claude 4.5 系列等模型在 Microsoft Foundry 开启公测。企业可直接用已有 Azure 协议与额度部署;同时 Excel 的 Agent Mode 也接入 Claude 预览版,支持直接生成公式与分析表格。
Microsoft 面向 Windows Insiders 推送 Copilot 应用更新,开始测试实验性功能 Copilot Actions。它能在独立的隔离桌面环境中运行,帮用户整理下载文件夹、分类照片或提取 PDF 信息。用户能随时查看步骤或接管控制权,目前已面向欧洲经济区以外的测试通道逐步推出。
Levi Strauss & Co. 宣布与微软合作,在 Teams 中打造统一协调的「超级智能体」。员工只要向这一个对话入口提问,系统就会调度后台多个专业子 Agent 处理零售及仓库业务。老牌服装巨头正在把多智能体协作搬进日常办公。